Facial recognition system for borrowing equipment
Article Sidebar
Main Article Content
บทคัดย่อ
This project proposes the development of a smart borrowing and returning cabinet system using Raspberry Pi integrated with infrared sensor and a facial recognition system. The system designs to identify the users through facial recognition before granting access to borrow or return equipment. The cabinet operation has simple two states: when the user’s face successfully verified the cabinet unlocks; otherwise, the access is denied. The cabinet shows the status through the LED, if there is an equipment in the cabinet, the light will be on. But if there is no equipment, the light will be off. All borrowing and returning activities are logged in a .txt file to recording the student ID, date, and time. The face recognition methodology is recognizing the user faces without any face covering like hats, glasses, masks, etc. and record in database as reference. The evaluates from 3 volunteers. The results show all samples the face recognition system can be verified when users no face covering. In case of wearing sunglasses, hats or masks or have some covering the face, the system will lower performance. In addition, if another person who does not store information, the system cannot verify as designed.
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ข้อความภายในบทความที่ตีพิมพ์ในวารสารทั้งหมด รวมถึงรูปภาพประกอบ ตาราง เป็นลิขสิทธิ์ของมหาวิทยาลัยเทคโนโลยีราชมงคลรัตนโกสินทร์ การนำเนื้อหา ข้อความหรือข้อคิดเห็น รูปภาพ ตาราง ของบทความไปจัดพิมพ์เผยแพร่ในรูปแบบต่าง ๆ เพื่อใช้ประโยชน์ในเชิงพาณิชย์ ต้องได้รับอนุญาตจากกองบรรณาธิการวารสารอย่างเป็นลายลักษณ์อักษร
มหาวิทยาลัยฯ อนุญาตให้สามารถนำไฟล์บทความไปใช้ประโยชน์และเผยแพร่ต่อได้ โดยต้องแสดงที่มาจากวารสารและไม่ใช้เพื่อการค้า
ข้อความที่ปรากฏในบทความในวารสารเป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่านไม่เกี่ยวข้องกับราชวิทยาลัยจุฬาภรณ์ และบุคลากร คณาจารย์ท่านอื่น ๆ ในมหาวิทยาลัยฯแต่อย่างใด ความรับผิดชอบองค์ประกอบทั้งหมดของบทความแต่ละเรื่องเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใด ๆ ผู้เขียนแต่ละท่านจะรับผิดชอบบทความของตนเอง ตลอดจนความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความเป็นของผู้เขียน ไม่เกี่ยวข้องกับกองบรรณาธิการ
เอกสารอ้างอิง
Kopongkesom, S., et al. (2021). Access Recording System for Building Access to Mae Hong Son College Building with Face Detection, Proceedings of the 1st National Academic Conference on Science, Technology and Innovation (pp.767-772), Maejo University.
Kumeechai, P. (2022). Image Recognition Technology. Journal of Science and Technology, 5(1), 136-148.
Lerdtrakultavorn, S. (2020). Development of a Nest Counting System with a Yolo Object Detection via a Thermal Imaging Camera. (Master’s independent study, Thai-Nichi Institute of Technology). Thai-Nichi Institute of Technology Repository.
Rungklin, C., Sae-khoo, T., Sriyaphunt, P., & Rittava, V. (2020). Development of weather station model with Raspberry Pi. Proceedings of the 11th Hatyai National and International Conference (pp. 1916-1928). Hatyai University.
Rungklin, C., Phothiruk, S., & Phonraya, N. (2021). Development a door unlocking system using face recognition. Proceedings of the 12th Hatyai National and International Conference (pp. 1646-1659). Hatyai University.
Suksukont, A., Puaksantier, S., Sakcharoenchaiyakun, B., & Khobjai, P. (2022). Fingerprint scan and face capture with Internet of Things technology for the host room. Udon Thani Rajabhat University Journal of Science and Technology, 10(1), 45-54.
Namsai, J., Thaowong, S., Dongthong, P., Chiaocharnwatana, T., & Asawarueangsuk, S. (2022). Snake detection system via YOLO in the case study: A snake enters the accommodation. Journal of Engineering and Technology Udon Thani Rajabhat University, 1(1), 59-72.
Sangphet, A., & Sa-ing, V. (2023). Automatic counting and Classification of vehicle on urban road by convolutional Neural Network. The 3rd Proceeding of the Data Science Conference (pp. 109-131). Srinakharinwirot University.
Yangsila, C. (2018). Low cost home automation system using Android, Raspberry Pi and Arduino to send data using socket programming and FCM: The case study of pet care system via the Internet. VRU Research and Development Journal Science and Technology, 13(2), 116-125.
Butmas, C. (2017). Data logging of building access using face recognition: a case study of Amnat Charoen provincial court. (Master’s thesis, Ubon Ratchathani University). Ubon Ratchathani University.
